玩过电脑游戏的同学对插件并不陌生，但是你有没有想过在使用的时候如何制作一个插件？
我打开4399迷你游戏网络，点开了一个不知名的游戏。嗯，做寿司的人都有备用材料。客人过来，就说自己的要求。
跟着菜单走给他就行了~
首先，我们必须声明，这里的游戏插件概念不同于大型网络游戏中的插件概念。它不能自动责备，不能吃药，不能避免转基因…….做这个插件有什么用？这个问题问得好。除了可以浪费一点时间，提高编程技能，为插件增加一点基础之外，没什么用。如果你来这里的目的是做一个让神哭的插件，它一打开就会超越神。恐怕会让你失望。请尽快绕道。我的目的很简单，就是自动玩这个小游戏。
1.
工具的准备
需要安装Autopy和PIL以及pywin32软件包。
Autopy是一个自动化的python库，可以模拟一些鼠标和键盘事件并访问屏幕。最初，我想用win32api来模拟输入事件。我发现这个用起来比较简单，最好的是跨平台。请搜索并安装它。
PIL是著名的Python图像处理1号，下面将解释如何使用它。
Pywin32不是必须的，但是为了方便(鼠标本身在动，怎么结束)，建议安装。哦，是的，我是在win平台上做的，插件大概只有windows用户需要。
截屏和图像处理工具
截屏是获取游戏画面进行分析的游戏提示。实际上，没有专门的工具可以将Print Screen直接粘贴到图像处理工具中。我用的是PicPick，相当好用，个人用户免费。图像处理是为了获取各种信息，所以我们需要用它来获取点菜图像，并保存下来供外部分析和判断。我用的是PhotoShop…不要告诉Adobe，其实PicPick里的图像编辑器就够了，只要能查看图像坐标和剪贴图片就可以了，不过我习惯PS了~
看这个游戏，有8种菜，每一种都有固定的做法。顾客一旦坐下，头顶就会出现一张图片。看图就知道他想点什么了。点击左侧原料区，然后点击一次.不知道叫什么，像竹简，菜做好了，再把准备好的菜拖给顾客。
客户头上显示的图片位置是固定的，总共只有四个位置。我们可以逐一分析，原料的位置也是固定的。每道菜的做法都比较明确，所以我们可以判断程序可以帮我们做出好吃的菜来端上来，所以钱滚滚而来：)
2.
移动鼠标
该命令将使鼠标快速移动到指定的屏幕坐标。你知道屏幕坐标是什么。左上角是(0，0)，然后向右下方增加。所以1024768屏幕右下角的坐标是……你猜对了，是(1023，767)。
不幸的是，如果你真的使用这个命令，然后使用autopy.mouse.get_pos()来获取当前坐标，你会发现它不在(100，100)上，而是更小，例如，在我的机器上，(97，99)，这与分辨率有关。这种移动是用户在窗口中的鼠标事件功能。如果不清楚api，应该知道，就是这个坐标不太准确。虽然我很好奇，但我能读懂自动转账的源代码。我发现他计算绝对坐标的算法有问题：
point . x *=0xfffff/GetSystemMetrics(SM _ CXSCREEN)；这里我们先做除法，然后做乘法，并且学了一点计算
法的就应该知道对于整数运算，应该先乘再除的，否则就会产生比较大的误差，如果他写成:point.x = point.x * 0xffff / GetSystemMetrics(SM_CXSCREEN);
就会准多了，虽然理论上会慢一点点，不过我也懒得改代码重新编译了，差几个像素，这里对我们影响不大~咱要吸取教训呀。
3.
点击鼠标
这个比较简单，不过记得这里的操作都是非常非常快的，有可能游戏还没反应过来呢，你就完成了，于是失败了…… 所以必要的时候，请sleep一小会儿。
4.
键盘操作
我们这次没用到键盘，所以我就不说了。
怎么做？分析顾客头上的图像就可以，来，从获取图像开始吧~
打开你钟爱的图像编辑器，开始丈量吧~ 我们得知道图像在屏幕的具体位置，可以用标尺量出来，本来直接量也是可以的，但是我这里使用了画面左上角的位置（也就是点1）来当做参考位置，这样一旦画面有变动，我们只需要修改一个点坐标就好了，否则每一个点都需要重新写一遍可不是一件快乐的事情。
看最左边的顾客头像上面的图像，我们需要两个点才可确定这个范围，分别是图像的左上角和右下角，也就是点2和点3,。后面还有三个顾客的位置，只需要简单的加上一个增量就好了，for循环就是为此而生！
同样的，我们原料的位置，“竹席”的位置等等，都可以用这种方法获得。注意获得的都是相对游戏画面左上角的相对位置。至于抓图的方法，PIL的ImageGrab就很好用，autopy也可以抓图，为什么不用，我下面就会说到。
5.
分析图像
我们这个外挂里相当有难度的一个问题出现了，如何知道我们获得的图像到底是哪一个菜？对人眼……甚至狗眼来说，这都是一个相当easy的问题，“一看就知道”！对的，这就是人比机器高明的地方，我们做起来很简单的事情，电脑却傻傻分不清楚。
autopy图像局限
如果你看过autopy的api，会发现它有一个bitmap包，里面有find_bitmap方法，就是在一个大图像里寻找样品小图像的。聪明的你一定可以想到，我们可以截下整个游戏画面，然后准备所有的菜的小图像用这个方法一找就明白哪个菜被叫到了。
确实，一开始我也有这样做的冲动，不过立刻就放弃了……这个方法查找图像，速度先不说，它有个条件是“精确匹配”，图像上有一个像素的RGB值差了1，它就查不出来了。
我们知道flash是矢量绘图，它把一个点阵图片显示在屏幕上是经过了缩放的，这里变数就很大，理论上相同的输入相同的算法得出的结果肯定是一致的，但是因为绘图背景等的关系，总会有一点点的差距，就是这点差距使得这个美妙的函数不可使用了……
好吧，不能用也是好事，否则我怎么引出我们高明的图像分析算法呢？
相似图像查找原理
相信你一定用过Google的“按图搜图”功能，如果没有，你就落伍啦，快去试试！当你输入一张图片时，它会把与这张图相似的图像都给你呈现出来，所以当你找到一张中意的图想做壁纸又觉得太小的时候，基本可以用这个方法找到合适的~
我们就要利用和这个相似的原理来判断用户的点餐，当然我们的算法不可能和Google那般复杂，知乎上有一篇很不错的文章描述了这个问题，有兴趣的可以看看，我直接给出实现：
因为这是类的一个方法，所以有个self参数，无视它。这里的img应该传入一个Image对象，可以使读入图像文件后的结果，也可以是截屏后的结果。而缩放的尺寸（18,13）是我根据实际情况定的，因为顾客头像上的菜的图像基本就是这个比例。事实证明这个比例还是挺重要的，因为我们的菜有点儿相似，如果比例不合适压缩后就失真了，容易误判（我之前就吃亏了）。
得到一个图片的“指纹”后，我们就可以与标准的图片指纹比较，怎么比较呢，应该使用“汉明距离”，也就是两个字符串对应位置的不同字符的个数。实现也很简单……
def hamming_dist(self, hash1, hash2): return sum(itertools.imap(operator.ne, hash1, hash2))
好了，我们可以用准备好的标准图像，然后预先读取计算特征码存储起来，然后再截图与它们比较就好了，距离最小的那个就是对应的菜，代码如下：
这里有一个50的初始距离，如果截取图像与任何菜单相比都大于50，说明什么？
说明现在那个位置的图像不是菜，也就是说顾客还没坐那位置上呢，或者我们把游戏最小化了（老板来了），这样处理很重要，免得它随意找一个最相近但又完全不搭边的菜进行处理。
6.
自动做菜
这个问题很简单，我们只需要把菜单的原料记录在案，然后点击相应位置便可，我把它写成了一个类来调用：
这是本外挂中最没技术含量的一个类了：）请原谅我没有写注释和doc，因为都很简单，相信你懂得。
“我自己是一名从事了多年开发的Python老程序员，辞职目前在做自己的Python私人定制课程，今年年初我花了一个月整理了一份最适合2019年学习的Python学习干货，从最基础的到各种框架都有整理，送给每一位喜欢Python小伙伴，想要获取的可以在后台私信我：01，即可免费获取。"
